隧道工作面数据挖掘分析研究-AET-电子技术应用

隧道工作面数据挖掘分析研究

网络安全与数据治理

孙明宇，王利民，王首晨

河北建筑工程学院

摘要： 对隧道工人时态地理信息系统（TGIS）数据进行研究，可以挖掘出隧道工人在工作中潜在的信息。为解决数据噪声干扰和数据量大的困境，通过中值滤波技术去除轨迹数据中的噪声，使用改进的道格拉斯算法进行数据压缩，采用DBSCAN算法进行曲线聚类，最后利用最小二乘法进行曲线拟合，精确地找出了工作面。实验发现部分工人在一天中的轨迹具有高度相似性，这将有助于了解工人的工作模式，避免工人出现瞒报、误报工作情况。

关键词： 工作面聚类数据压缩数据挖掘最小二乘法

中图分类号：TP391.4；TD-05文献标识码：ADOI:10.19358/j.issn.2097-1788.2025.02.014
引用格式：孙明宇，王利民，王首晨. 隧道工作面数据挖掘分析研究［J］.网络安全与数据治理，2025，44（2）：88-92.

Research on data mining and analysis of tunnel working face

Sun Mingyu, Wang Limin， Wang Shouchen

Hebei University of Architecture

Abstract： Studying TGIS data of tunnel workers can uncover potential information about their work. To solve the dilemma of data noise interference and large data volume, median filtering technology was used to remove noise from trajectory data, improved Douglas algorithm was used for data compression, DBSCAN algorithm was used for curve clustering, and finally the least squares method was used for curve fitting to accurately identify the working face. Among them, it was found that some workers had highly similar trajectories in a day, which will help understand their work patterns and prevent them from concealing or misreporting their work situations.

Key words : working face; clustering; data compression; data mining；least square method

引言

随着土地空间信息的不断更新以及经济社会现代化的高速发展,我国在国土综合利用、道路交通监测和治理等领域,对地理信息系统(Geographic Information System, GIS)的时序分析应用有了更多的需求。时态地理信息系统（Temporal Geographic Information System，TGIS）已经成为 GIS 的研究热点，它可以提供关于地理对象在时间和空间上的变化信息［1-3］。同时，通过对TGIS数据进行处理，可以提取出不同工人的工作面，这些数据将帮助研究人员和决策者深入了解时空现象的规律和趋势［4］，为科学决策提供依据。

在建筑行业中，工人是最重要的资源之一，他们的行为直接影响项目的进度和成本。对工人的行为轨迹进行分析，可以获取工人的工作状态，以供管理者参考，并相应地进行策略调查。而大多数传统的监控系统依赖于现场工头的人工监控或者工人自行汇报［5］，监测结果的可靠性无法保证，且带有一定的主观性。因此，亟需一个能自动分析的监控技术框架用来保证劳动力的高效执行。在已有研究中，杨海军［6］等人提出了基于TGIS的数字孪生智能综采工作面构建技术体系，以直观地掌握工作面的信息；毛善君［7］等人基于TGIS的一体化等关键技术，实现了工作面的实时传输；Zhou［8］等人提出一个深度学习框架，用于对多个工人的施工活动进行自动化分析。但是以上研究存在着仿真效果不佳、信息挖掘不充分等问题。

数据挖掘技术在海量数据的异常数据清洗、数据处理准确性方面具有明显的优势［9］。如申海洋等［10］通过提取不同时间掘进工作面的瓦斯涌出特征信息，实现了瓦斯涌出的动态识别分析。然而，实际应用中将数据挖掘技术与TGIS相结合仍面临一些挑战。如处理大规模的时空数据，如何提高数据处理的效率和性能，是一个难题；如何选择合适的方法进行处理，以保证数据的准确性和可信度，也是一个挑战［11-12］。面对这些挑战，本文提出一种使用数据挖掘技术的方法，以某隧道工作人员为研究对象，对原始轨迹提取出关键特征，最终准确地提取出工作面。该技术框架可以排除大量冗余数据的干扰，自动分析工人每一天的工作区域，然后以工作面曲线的形式进行展示，为项目决策者提供判断依据。图1为本文的技术路线图。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000006349

作者信息：

孙明宇，王利民，王首晨

(河北建筑工程学院,河北张家口075000）

Magazine.Subscription.jpg

原创声明：此内容为AET网站原创，未经授权禁止转载。

相关内容